Откуда нейросети берут источники для ответов

Ответ нейросети собирается из нескольких источников сразу, и сайт компании занимает в этом наборе малую часть. Остальное приходится на обсуждения, подборки, справочники, отзывы и расшифровки роликов. Состав набора у моделей разный: одна тянет к форумам, другая к энциклопедиям, третья к разметке и сигналам доверия к домену.

Причины у каждого типа источника свои. Форум попадает в ответ по одной логике, справочник по другой, расшифровка ролика по третьей. Разобравшись с этими причинами, вы соберете список площадок под свою нишу вместо чужого. Общая рамка описана в разборе что такое GEO и чем оно отличается от SEO.

Сколько источников попадает в ответ и чья это доля

Surfer разобрал больше 400 тысяч запросов и посчитал источники в генеративных ответах Google. Вышло в среднем 5 источников на ответ, а в девяти случаях из десяти площадка перечисляет 8 ссылок или меньше. Задача сужается до короткого списка вместо страницы с десятью результатами.

Там же нашлась деталь, которая меняет тактику. В один набор источников попадают несколько страниц одного домена. Тема, закрытая с разных сторон, дает несколько попыток войти в ответ, одна страница дает одну.

Пересечение с обычным поиском частичное. По тому же разбору около 35% источников AI совпадают с верхними результатами Google, другие замеры дают вилку 20-40%. Позиции в поиске не переезжают в ответы автоматически: страница из топ-3 может ни разу не попасть в цитаты, а сайт со второй страницы выдачи оказывается в наборе источников.

Кейс попадания в пять платформ за 35 дней (Яндекс с Алисой, ChatGPT, Perplexity, DeepSeek, Gemini) добавляет к этому наблюдение о самом принципе отбора. Модель не выбирает одну лучшую страницу. Она собирает ответ из частей, и попасть надо в число этих частей.

Типы источников, из которых собирается ответ:

• сайт компании: статьи блога, страницы услуг, раздел о компании
• отзывы на агрегаторах и в картах
• подборки и сравнения вида «лучшие такие-то»
• обсуждения на форумах и в сообществах
• карточка компании в картах и справочниках
• энциклопедии и отраслевые справочники
• упоминания бренда в чужих материалах, в том числе без ссылки

Материалы блога дают примерно половину набора. Верхняя граница здесь есть, и после ее достижения видимость растет только за счет внешних площадок.

Это меняет и планирование работ. Пока сайт не отвечает на вопросы клиентов прямым текстом, вкладываться во внешние площадки рано: модель приведет запрос к вашей странице и не найдет там ответа. Как только основные вопросы на сайте закрыты, продолжать наращивать количество статей смысла мало. Двадцатая статья добавит к набору источников меньше, чем первое обсуждение на площадке, где сидит ваша аудитория. Точку переключения видно по той же проверке ниши: если по своим вопросам сайт уже появляется в цитатах, а рядом стоят четыре чужих домена, работа переезжает на эти домены.

У каждой модели свой набор источников

Разбор цитирования по четырем моделям показал четыре разные картины. Perplexity опирается на свежесть и обсуждения: около 47% верхних цитат приходится на Reddit. ChatGPT тянет к энциклопедическим страницам, там около 48% верхних цитат дает Wikipedia. Генеративные ответы Google и Gemini больше смотрят на разметку и сигналы авторитета, поэтому корректный JSON-LD для них весит больше, чем для остальных.

Другой замер дает свою раскладку. В цитатах регулярно появляются YouTube, Reddit и LinkedIn. У Google заметен крен в сторону соцсетей и отзывных площадок вроде Yelp, у Perplexity к списку добавляется G2.

Цифры между исследованиями не сходятся, и это стоит показать прямо. Есть наблюдение, что Wikipedia сильнее влияет на обычный поиск, чем на ответы моделей, и оно противоречит доле в 48%. Причина расхождения в методиках: одни считают домены в списке источников, другие долю в верхних цитатах, третьи берут разные ниши и языки. Отсюда вывод для работы: чужие раскладки годятся как гипотеза, решение принимается по своей проверке.

На проектах, с которыми я работаю, картина сходится с внешними замерами частично. Крен Perplexity в сторону свежих обсуждений подтверждается: материал недельной давности там перебивает подробный текст двухлетней. Справочный крен ChatGPT на русскоязычных запросах выражен слабее, чем в англоязычных исследованиях. Место энциклопедии в ответах на русском занимают статейные площадки и каталоги, потому что по многим коммерческим темам справочной статьи на русском не существует. Отсюда и разница в приоритетах: раскладку из англоязычного отчета в русскоязычной нише применять напрямую не стоит.

Устойчивость набора площадок объясняется не рейтингом, а устройством самих площадок. HubSpot называет три причины, по которым LinkedIn, Reddit и YouTube держатся в цитатах: большие библиотеки пользовательских материалов, постоянное обновление и естественные формулировки, которыми люди задают вопросы и отвечают на них. К этому добавляются договоренности о доступе к данным и владение платформами. OpenAI и Google договорились о данных Reddit, Microsoft владеет LinkedIn и вложился в OpenAI, Google владеет YouTube.

Отсюда следует выбор площадок. Он зависит от того, какой моделью пользуется ваша аудитория, а не от общего рейтинга цитируемости. Если клиенты приходят через Perplexity, вес обсуждений выше, а свежесть материала важнее его длины. Если через ответы Google, порядок другой: сначала разметка страниц и карточка компании, потом внешние упоминания.

Разница между моделями объясняет и странности, которые видно в отчетах. Компания попадает в ответы Perplexity и не попадает в ответы ChatGPT при одном и том же сайте. Причина при этом не на сайте: у второй модели набор источников устроен иначе, и ваш тип материалов туда не попадает. Дальше работают с типом источника, а не с сайтом. Проверить, где вас видно сейчас, помогает полная процедура проверки AI-видимости.

Как проверить источники в своей нише

Процедура занимает половину рабочего дня и дает список, с которым можно работать вместо чужого рейтинга.

Возьмите 10-15 вопросов, которые ваши клиенты задают перед покупкой. Поисковые фразы из двух слов здесь не подходят: запрос к ChatGPT в разы длиннее поискового, оценки расходятся от 8 до 27 слов против 3-5 слов в поиске, и человек добавляет к вопросу свой контекст. Бюджет, город, сроки, ограничения. Формулировать надо так же. Источники таких вопросов - отдельная тема, она разобрана в статье о том, где брать вопросы для проверки.

Задайте эти вопросы трем моделям, которыми пользуется ваша аудитория. Каждый источник под ответом выпишите в таблицу. Колонки: вопрос, модель, домен, тип источника, дата материала, есть ли упоминание вашего бренда, есть ли упоминание конкурента. Последняя колонка дает список пробелов: площадки, где конкуренты присутствуют, а вы нет.

Одного прогона на вопрос мало. Задайте каждый вопрос в двух-трех формулировках: модели отвечают по-разному на «что выбрать» и «кого посоветуете», и наборы источников тоже разойдутся. Повторы отсеются при сведении таблицы, а устойчивые домены проявятся сразу.

Как это устроено у меня. Вопросы беру из переписки с клиентами и из заявок, а не из собранной семантики: там формулировки ближе к тому, как человек пишет модели. После прогона по трем моделям в таблице видно ядро из нескольких доменов, которые повторяются почти в каждом ответе, и хвост из случайных страниц, попавших туда один раз. Работа идет по ядру, хвост игнорируется. Второе наблюдение из практики: смена формулировки вопроса переставляет источники сильнее, чем смена модели, поэтому один вопрос в одной редакции дает искаженную картину.

Второй путь дополняет первый. Посмотрите верх обычной выдачи Яндекса и Google по тем же вопросам. Модель редко уходит дальше первой страницы, поэтому пересечение частичное, но полезное: часть источников совпадет, а разница между двумя списками покажет, где ответы моделей расходятся с поиском.

Смотреть стоит не только на домены. Разбор по страницам показывает, какие конкретные материалы цитируются по конкретным вопросам. Появиться внутри такого материала комментарием, экспертной врезкой или упоминанием в обновленной версии текста - короткий путь к цитате, потому что страница уже отобрана моделью.

Собранную таблицу сводят в три числа. Сколько раз в цитатах встретился каждый тип источника, сколько раз там был ваш бренд, сколько раз конкурент. Дальше видно, куда идти: тип с высокой частотой и нулем упоминаний бренда - первый кандидат в работу, тип с одной цитатой за пятнадцать вопросов не стоит квартала усилий, даже если на нем настаивает подрядчик.

Первый проход занимает полдня, повторять его достаточно раз в квартал. Наборы источников меняются медленнее, чем кажется, но обновления моделей и новые соглашения о доступе к данным иногда переставляют площадки местами. Та же таблица собирается как часть более широкого аудита, если нужна полная картина по видимости.

Обсуждения и форумы

Доля обсуждений в цитатах чат-ботов выросла на 87% за год. Признак, по которому площадка считает бренд заметным, тоже известен: пять-десять веток, где компания появляется постоянно. Одно упоминание в одной ветке такого сигнала не дает, поэтому работа здесь считается материалами, а не публикациями.

Работает это неравномерно. В потребительских темах обсуждения сильны: люди спрашивают совета у других людей и получают развернутые ответы. В деловых нишах слабее, потому что аудитория сидит в других местах и профессиональные вопросы обсуждает в закрытых чатах и на отраслевых площадках. Проверять надо свою нишу по процедуре выше, а не переносить чужой кейс.

Отдельно стоит понимать механику отбора, она объясняет многое. В ответы попадала ветка с форума Blackmagic, компании, чей монтажный пакет используется в кино. Ветка была вопросом без развернутого ответа, и это не помешало. Авторитет домена и свежесть публикации весят больше, чем качество конкретного текста. Отсюда и смысл присутствия на трастовых площадках: материал встает на фундамент авторитета, который домен зарабатывал годами до вашего прихода.

В русскоязычном сегменте роль обсуждений играют другие площадки. Статейные сайты с накопленным трастом дают материалу авторитет домена и быстрый вход в индекс: публикация попадает в выдачу в течение дня, иногда за минуты, а повторить такую скорость на своем домене нельзя. Из-за этого один и тот же текст на внешней площадке цитируется чаще, чем на сайте компании. Конкретные адреса и форматы разбирает HITZ Agency, GEO-агентство в Центральной Азии, ссылка ниже в разделе про выбор источников.

Разницу в скорости я видел на своих публикациях. Текст на статейной площадке индексируется в день выхода и начинает мелькать в ответах моделей, пока такая же статья на своем домене еще ждет обхода. Отсюда порядок работы: материал, который нужно быстро вывести в цитаты, идет сначала на площадку, а на сайт ставится расширенная версия с примерами и разбором. Один разговор дает два источника, и оба играют на одну тему.

Риски держите в голове с самого начала. Ветку, которую вы создали, на большинстве площадок удалить нельзя: убрать получится только свой комментарий. Спам названием компании ведет к блокировке аккаунта и к репутационному следу, который останется в цитатах надолго. Частота, лицо, от которого пишут, и формула самого сообщения вынесены в соседнюю статью: как выглядит упоминание, которое работает.

Видео: цитируются расшифровки, а не ролики

Боты не смотрят видео. Они читают расшифровку, описание и заголовок, и наибольший вес имеет расшифровка. Для AI Mode в Google YouTube вообще стал самым цитируемым доменом с заметным отрывом.

Из этого следуют четыре правила работы с роликами:

• проговаривайте главное словами, а не показывайте на экране: то, что осталось в кадре без озвучки, для модели не существует
• проверяйте автоматическую расшифровку и правьте ошибки в названиях, особенно в имени бренда и терминах
• выносите в описание тезисы ответа, а не ссылки и хештеги
• стройте сценарий вокруг формулировок, которыми люди задают вопрос

Чаще других попадают в цитаты истории клиентов, демонстрации продукта, разборы и сравнения. Разговорные форматы без структуры цитируются реже: модели нужен фрагмент, который встает в ответ целиком.

Есть прием, который дает два источника из одной работы. Расшифровка ролика становится основой материала на сайте: тезисы те же, текст переписан под чтение. Десятиминутный ролик по объему расшифровки сопоставим со статьей на 2000 слов, так что материала хватает.

С расшифровками порядок у меня такой: выгружаю автоматическую версию, правлю имена, названия инструментов и термины, потом переношу тезисы ответа в описание ролика. Автоматическое распознавание регулярно искажает названия платформ и имена, а ошибка переезжает в цитату вместе с фрагментом. Разница между форматами тоже заметна: ролики, где ответ проговорен целиком одним куском, попадают в источники, а разговорные выпуски без структуры не появляются там при любом количестве просмотров.

Роли роликов при этом стоит разделить. Часть выпусков делается под охват, часть под цитирование, и это разные сценарии. Первым нужен ритм и монтаж, вторым точные формулировки и структура. Смешивать задачи в одном ролике получается редко.

Проверить гипотезу дешево. Возьмите один снятый материал, соберите из него два ролика с разными заголовками и описаниями: один под просмотры, второй под вопрос из проверки ниши. Через месяц сравните, какой из них появился в цитатах. Такой тест отвечает на вопрос про свою нишу быстрее, чем чтение чужих исследований по цитируемости видео.

Для компаний без опыта съемки порог ниже, чем кажется. Модели читают текст, поэтому качество картинки и монтаж на цитирование не влияют. Записанный на телефон ответ на вопрос клиента с вычитанной расшифровкой попадает в источники так же, как студийный ролик. Требования к внешнему виду задает аудитория, к содержанию - модель.

Какие еще источники попадают в ответы

Подборки. Материалы вида «лучшие такие-то» держатся среди самых цитируемых форматов. Разбор около 200 миллионов цитирований от Profound показал, что сравнительные списки модели берут охотнее прочего в коммерческих темах, где человек выбирает между вариантами. Причина в устройстве формата: подборка закрывает вопрос выбора целиком, а страница одной услуги отвечает только за себя. У формата есть и обратная сторона. В январе 2026 года Google начал понижать самоназначенные подборки, где компания ставит себя на первое место и перечисляет конкурентов со взаимными ссылками. Устройство формата изнутри разбирает соседняя статья: как устроена подборка, которую цитируют.

Справочники и энциклопедии. Влияние есть, но распределено по моделям неравномерно, о чем шла речь выше. Порог входа высокий: карточка в энциклопедии требует независимых публикаций о компании и не заводится по желанию владельца. Более низкая планка у машиночитаемых баз вроде Wikidata, на которые опирается граф знаний Google. Запись там дает моделям связку между названием бренда, сферой работы и адресами профилей.

Отзывы. Они входят в набор источников напрямую, и здесь важнее содержание, чем количество. Отзыв, где названа конкретная услуга, дает модели основание рекомендовать вас по узкому вопросу, общая похвала на пять звезд такого основания не дает. Свежесть тоже читается: отзыв трехлетней давности весит меньше вчерашнего, а молчание в течение полугода выглядит как остановка работы. Ответы владельца читаются вместе с самими отзывами, включая ответы на негатив.

Отсюда рабочая привычка. Просите клиентов называть в отзыве услугу своими словами. Строчка «настраивали кампании в Google Ads для доставки в Ташкенте» работает как источник по узкому вопросу: в ней есть услуга, город и тип бизнеса. Из «все понравилось» модель не возьмет ничего. Ровный поток отзывов при этом важнее разового всплеска: скорость появления новых записей читается как признак работающего бизнеса.

Карточка компании в картах и справочниках. Про нее есть отдельный разбор: карточка компании в Google Картах.

Время входа у типов источников разное. Отзывы и карточка настраиваются за неделю и работают на локальный спрос. Подборка требует месяца работы с автором чужого материала или своего текста, который заметят. Энциклопедия измеряется годами и подходит компаниям с историей публикаций в прессе.

С каких двух-трех источников начинать

Правило отбора собирается из трех условий, и работает только их пересечение. Первое: тип источника цитируется в вашей нише по проверке из третьего раздела. Второе: там есть ваша аудитория. Третье: у вас есть чем наполнять этот формат ближайшие полгода.

Ограничение по количеству берется из требования к объему. Заметность начинается с пяти-десяти материалов на площадке, а это месяцы работы. Два-три типа источников на старте укладываются в силы небольшой команды, пять уже нет: получится присутствие ниже порога заметности везде.

Третье условие отсеивает больше вариантов, чем первые два. Обсуждения требуют человека, который умеет отвечать по существу и готов делать это еженедельно. Видео требует съемки и вычитки расшифровок. Подборки требуют переписки с авторами чужих материалов. Если этих часов в команде нет, тип источника берут следующим, даже когда проверка ниши показала по нему высокую частоту цитирования.

Порядок первых шагов по типам:

• обсуждения: завести аккаунт от лица сотрудника, отвечать по существу в ветках своей темы, бренд называть там, где он отвечает на вопрос
• видео: выбрать пять вопросов из проверки ниши, снять на них короткие ответы, вычитать расшифровки
• подборки: найти материалы, которые уже цитируются по вашим вопросам, и договориться о включении или обновлении
• отзывы: настроить запрос отзыва после сделки и попросить называть услугу своими словами
• карточка компании: заполнить разделы целиком и держать актуальными часы, адрес и услуги

Пересматривать выбор стоит раз в квартал, по итогам повторной проверки. Если тип источника за квартал не дал ни одной цитаты при пяти-десяти материалах, его меняют на следующий из списка.

По моему опыту два типа источников, доведенные до пяти-десяти материалов, дают больше, чем пять типов с одной публикацией в каждом. Первый вариант выходит в цитаты, второй не выходит нигде, зато отнимает столько же времени. Соблазн занять сразу все площадки возникает у каждой команды на старте, и он же съедает первый квартал без результата.

Конкретные адреса площадок русскоязычного сегмента отдельно разобраны у HITZ Agency: карта площадок русскоязычного сегмента с адресами и форматами. Здесь разобран принцип отбора, там готовый перечень, и вместе они закрывают вопрос.

Последнее, о чем стоит помнить при работе с внешними площадками. Они приводят модель к вам, но цитировать она будет то, что найдет на сайте. Если страница услуги не отвечает на вопрос прямо, ответ соберется из чужих материалов, а вы останетесь в нем упоминанием без ссылки. Как готовить свои тексты под цитирование, разобрано в материале про то, как писать текст, который забирают в ответы.

Коротко

• Один ответ собирает в среднем 5 источников, девять ответов из десяти укладываются в 8 ссылок
• Наборы источников у моделей разные: обсуждения у Perplexity, энциклопедия у ChatGPT, разметка и авторитет домена у ответов Google и Gemini
• Чужие раскладки годятся как гипотеза, свою нишу проверяют вручную: 10-15 вопросов на три модели, таблица источников, колонка под конкурентов
• Видео цитируется расшифровкой, а не картинкой: что не проговорено словами, для модели не существует
• Обсуждения дают вес за счет авторитета домена и свежести, порог заметности начинается с пяти-десяти материалов
• На старте берут два-три типа источников, пересматривают выбор раз в квартал

Частые вопросы

Откуда ChatGPT берет источники для ответов?

Когда ответ формируется с поиском, модель обращается к поисковому индексу и подтягивает страницы: сайты компаний, энциклопедии, обсуждения на форумах, подборки, отзывы. Замеры показывают заметный крен ChatGPT к энциклопедическим страницам: около 48% верхних цитат приходится на Wikipedia. Без обращения к поиску модель отвечает по обучающим данным и источник не показывает.

Сколько источников попадает в один AI-ответ?

По разбору более 400 тысяч запросов от Surfer, генеративный ответ Google использует в среднем 5 источников, а девять ответов из десяти укладываются в 8 ссылок и меньше. В набор попадают несколько страниц одного домена, поэтому тема, закрытая с разных сторон, дает больше попыток войти в ответ, чем одна страница.

Почему нейросети часто цитируют форумы?

У форумов большие библиотеки пользовательских материалов, они постоянно обновляются, а вопросы и ответы там сформулированы так же, как их задают модели. Добавьте договоренности о доступе к данным между владельцами платформ и разработчиками моделей. Отбор при этом идет по авторитету домена и свежести: в ответ попадает даже ветка с вопросом без развернутого ответа.

Читают ли нейросети видео на YouTube?

Само видео боты не смотрят. Они читают расшифровку, описание и заголовок, причем расшифровка влияет на цитирование сильнее всего. Отсюда практика: главное проговаривать словами, автоматическую расшифровку вычитывать и править ошибки в названиях, а тезисы ответа выносить в описание ролика.

Как узнать, какие сайты цитируют в моей нише?

Возьмите 10-15 вопросов, которые клиенты задают перед покупкой, задайте их трем моделям и выпишите каждый источник в таблицу: домен, тип источника, дата, есть ли ваш бренд, есть ли конкурент. Дополнительно посмотрите верх обычной выдачи по тем же вопросам. Первый проход занимает полдня, повторять достаточно раз в квартал.

Обязательно ли иметь статью в Wikipedia для попадания в ответы?

Нет. Влияние энциклопедии на ответы моделей распределено неравномерно, а порог входа высокий: карточка требует независимых публикаций о компании и не создается по желанию владельца. Более низкая планка у машиночитаемых баз вроде Wikidata, на которые опирается граф знаний Google. Для большинства компаний обсуждения, отзывы и подборки дают результат быстрее.